Olvasási idő: 4 perc
Nemrégiben zárult egy projektünk, ahol az ügyfelünknek egy olyan adat alapú rendszert fejlesztettünk, amivel a szakértőik:
- egységes módszertan szerint és automatikusan tudják visszamérni a korábbi beruházási döntéseik megtérülését, valamint,
- a jövőbeli beruházási tervekhez adat alapú modellekkel tudnak megtérülési potenciált becsülni, mindezt összhangban a visszamérés során használt definíciókkal, módszertannal.
Ebben a bejegyzésben a projekt üzleti hasznait és tanulságait fejtjük ki.
Ügyfelünk régi vágya teljesült az adatalapú döntéstámogató rendszer létrehozásával. Évente több tucat beruházási döntést hoznak meg egyenként sokszor százmillió forintos nagyságrendben. Az ezzel kapcsolatos döntéseket mégis elsősorban szakértői becslések alapján hozzák meg. Ennek során természetesen felhasználnak adatokat, de egy-egy döntés alátámasztására sosincs lehetőség az összes elérhető adatot megfelelően előkészíteni. Még nagyobb probléma volt, hogy az egyes adatokat más-más módszertan alapján használták fel, így nem volt lehetséges a beruházások egységes mérése és összehasonlítása
A lefejlesztett rendszer elsődleges célja tehát egy objektív, adat alapú alternatíva megteremtése volt a szakértői becslésekkel párhuzamosan és hasonlóan nagy prioritást kapott az egységesített módszertan alapú visszamérés megteremtése. Emellett riporting, monitoring célokat is szolgál az alábbiak szerint.
1 – Módszertanokat egységesít, értelmezést segít és összehasonlíthatóságot teremt
Egységesíti, közös nevezőre hozza a visszamérést és a tervezést. Míg a visszamérés az Ügyfelünknél egy klasszikusan kontrolling feladat volt, a beruházási tervek elkészítése egy mérnöki-szakértői inputokra épülő, de végül kontrolling módszertani keretbe visszaterelt számításként valósult meg. A rendszer egyik fő előnye, hogy ezt a két megközelítést közös nevezőre hozza és minden szereplő által érthető fő mutatókban méri a teljesítményt, mint pl. megtérülési idő, nettó jelenérték (NPV) és belső megtérülési ráta (IRR). Másrészt, mivel a rendszer országokon átívelően használható, az eredmények országok között is összevethetők, a jó gyakorlatok transzparensen megjelennek.
A visszamérési és előrejelzési eredmények tehát az egységes módszertan segítségével könnyen érthetők és összehasonlíthatók (például a dashboardon megjelenő térképeken, valamint egy tucat egyéb dimenzió mentén), a beruházási tervezéskor végső soron használt potenciálok ellenőrizhetők, a beruházásoktól várt megtérülési benchmarkok pedig finomíthatók. Összességében, a folyamat pontosabb, érthetőbb és konzisztensebbé válik.
2 – Egy bonyolult tervezési folyamatot támogat, de nem váltja ki a döntéshozatalt
A beruházási döntés-előkészítési folyamat Ügyfelünknél az alábbiak szerint történik: először a beruházási lehetőségek longlistjéről szakértői megítélés alapján leválogatják a legjobb ötleteket, majd a shortlisten szereplő legjobb lehetőségekre a szakértők bottom-up költség és bevétel becslést adnak, elsősorban naturáliában. Végül a naturáliák alapján manuálisan elkészül egy Excel template-ben az említett diszkontált cashflow modell, ahol kiszámolódnak a beruházási döntés meghozatalakor leginkább figyelt mutatók.
Ügyfelünk több problémát is azonosított a fenti folyamattal kapcsolatban, mint például, hogy egyáltalán nem biztos, hogy helyes a longlistről történő leválogatás módszertana, vagy, hogy a manuális, Excel template-re építő potenciál számítás során rengeteg számítási hiba csúszhat be. Utóbbi kimondottan azért fontos, mert esetünkben nem egy felhasználóbarát Excel template-ről beszélünk, hanem egy olyan hardcore pénzügyi modellről, amiről kellő önkritikával mondhatjuk, hogy könnyebb benne hibázni, mint helyesen kitölteni.
A fejlesztett rendszer a fenti problémák megoldásában úgy segít, hogy a döntéshozatalt továbbra sem váltja ki. A beruházások egyedi jellegéből adódóan mindig lesznek olyan szempontok, amelyek a korábbi döntések alapján nem mérhetők. Segíti azonban a priorizálást, hiszen a longlist összes elemére automatikusan lefuttatható, a korábbi beruházások eredményéből tanuló objektív, adatalapú modell számolja a potenciált, így a szakértőknek van egy alternatív shortlistjük is. Támogatja továbbá a szakértők bottom-up becsléseinek ellenőrzését is, hiszen a modellek potenciál becslése és a korábbi beruházások visszamért teljesítménye folyamatosan finomítja a benchmarkot.
3 – Transzparens és validált, aktuális információkat jelenít meg
Transzparens: ügyfelünknél adat-demokrácia van, így minden releváns kolléga láthatja a rendszer publikált dashboardjait. A dashboardok továbbá részletesen tartalmazzák az egyes mutatók üzleti magyarázatait, az adatforrásokat és a mögöttes kontrolling/pénzügyi módszertanok egy külön e-learning anyagban vannak összegyűjtve, így az is kiismeri magát, aki először látja a dashboardot. Amennyiben egy beruházás a tény adatok alapján úgy látszik, hogy nem fog megtérülni ésszerű időn belül, annak okait a részletesebb dashboard oldalakon a szakértők elemezhetik, ahogyan a top-performer beruházások adatait is.
Validált: a rendszer többségében validált, adattárházi adatra (pl. operatív forrásrendszerek tranzakciós szintről aggregált adatai), illetve manuális inputokra épít (pl. üzleti premisszák, korábbi beruházási előterjesztések), így az adathibák többsége kiszűrésre kerül. Amennyiben mégis valamilyen adathiba kerülne a gépezetbe, azt a kiugróan jó vagy rossz megtérülési eredmények jelzik. (Önmagában ez a validáció is elegendő lett volna a fejlesztésünk megtérüléséhez, hiszen több esetben találtunk számítási hibákat a korábbi beruházások előkészítésében)
Aktuális: az adatok töltése automatikus, így amint egy újabb időszak elérhető, a kalkulációk automatikusan lefutnak, a dashboardokon pedig megjelennek az új értékek (beleértve a premisszák alapján a jövőre kivetített értékeket is). Az automatikus töltés további előnye, hogy nem igényel időt a szakértőktől, hogy a friss adatokat a megfelelő formába alakítsák és kiküszöböli az ezzel járó hibalehetőségeket is.
Tanulságok
A projekt során az Ügyfelünk is és mi is sokat tanultunk a szakértői döntéseket adat alapon támogató rendszerek műfajáról. A konklúziónkat a következő öt pontban foglaltuk össze:
- Nagyobb hangsúly a tervezésen: a potenciál mögötti üzleti metodológia leütése, a több szereplő közti egyeztetés jóval több időt igényelt, mint azt előre gondoltuk. Súlyosbította ezt az is, hogy a projekt alatt több kulcsszereplő is pozíciót vagy munkahelyet váltott, így tehát tanulság, hogy a tudásátadásra a jövőbeli hasonló projektekre erre is figyelmet kell szentelni.
- „Product owner” azonosítása és bevonása: a döntéshozatal onnantól kezdve gyorsult fel, amikor az egyes funkcióknak meglett a „tulajdonosa”, azaz jövőbeli fő felhasználója. Enélkül nagyon nehezen születtek volna meg döntések.
- Tesztelés előkészítése: míg a visszamérési funkcionalitásnál az előre gyártott tesztesetek sokat segítettek és egyértelműek voltak, a predikciók esetében egyáltalán nem volt egyértelmű, hogy hogyan teszteljük. Végül a szimulációt választottunk, azaz egy kiválasztott időpontra vonatkozóan bizonyos beruházásokra azt mondtuk, hogy nem történtek meg, majd a tervekre lefuttattuk a modelleket és végül összevetettük a predikciókat a tény adatokkal.
- Módszertan vs adatmodellek pontossága: a többször is említett módszertan ugyan mindenki által érthető volt, ugyanakkor korlátozó hatása is jelentkezett, hiszen a modellek tanításához kevés, a módszertannak megfelelő adatpont állt rendelkezésre. Esetünkben ez volt a kisebbik rossz, így a döntés emellett szólt.
- Adatminőség: szinte minden manuális adatban kibukott egy-egy elírás (tizedesvessző) vagy egy nem kihúzott képlet, így ezeket a rendszerbe való betöltés előtt javítani kellett, hogy megelőzzük a „garbage-in, garbage-out” effektust.
Szerző: Matzon Ákos – Advisory Team Leader